针对葡萄牙语文本优化的光学字符识别(OCR)模型，基于微软TrOCR基础模型微调

基于Qwen2 VL模型微调的阿拉伯语OCR模型，专为整页阿拉伯文本识别优化

FireRedASR是一系列支持普通话、中国方言和英语的开源工业级自动语音识别（ASR）模型，在公开的普通话ASR基准测试中实现了新的最先进水平（SOTA），同时具备出色的歌词识别能力。

基于LLaMA3 Youko的qlora微调版本，专为日文视觉小说英译优化的8B参数模型

基于LLaMA 3 Youko的qlora微调版本，专精日语视觉小说英译任务

Reverb说话人日志V2是一个基于pyannote-audio的说话人日志模型，相比基准pyannote3.0模型在多个测试集上表现更优。

基于microsoft/trocr-base-printed微调的印刷体车牌OCR模型，在评估集上字符错误率为0.037

基于字节级微调模型的阿拉伯语精确标音系统，通过微调预训练模型实现阿拉伯文本发音符号的自动补全。

基于微软WavLM-base微调的深度伪造音频检测模型，在ASVspoof 2019数据集上表现优异，准确率达99.79%

基于whisper-large-v3微调优化的中文语音识别模型，在多个中文语音基准测试中性能显著提升

基于Transformer架构的印刷体西班牙语OCR模型，专为印刷字体优化，不支持手写体识别

基于microsoft/trocr-base-printed微调的OCR模型，专门用于识别印刷体车牌号码。

基于microsoft/trocr-base-printed微调的OCR模型，专门用于识别车牌和时间戳信息

该模型是基于Ransaka/sinhala-ocr-model微调的僧伽罗语OCR模型，主要用于识别僧伽罗语文本。

基于ResNet293架构的说话人嵌入模型，经过大间隔微调优化，支持说话人识别、相似度计算和语音分割等任务

基于Whisper Large v3的德语语音识别微调模型，针对德语语音处理和识别进行了优化

基于微软trocr-base-printed模型微调的验证码识别模型，专门用于处理印刷体文本的OCR任务

本模型使用Common Voice、JVS和JSUT数据集对openai/whisper-base进行日语微调，适用于日语语音识别任务。

ArOCR是一个阿拉伯语光学字符识别(OCR)模型，能够将包含阿拉伯文本的图像转换为可编辑的文本格式。

该模型能够将手写数学表达式的图像转换为对应的LaTeX序列，适用于数学公式识别和数字化处理。

这是一个基于facebook/wav2vec2-large-xlsr-53模型在日语语音识别任务上微调的自动语音识别(ASR)模型。

基于XLS-R架构的音频分类模型，用于区分成人和儿童语音。